忆阻器为神经形态计算制造多功能人工突触 – 物理世界

大多数现代计算机——从 ENIAC 等原始的充满房间的庞然大物到口袋里的智能手机——都是根据数学家约翰·冯·诺依曼在 1945 年提出的一套原理构建的。众所周知，这种冯·诺依曼架构结合了许多熟悉的元件，包括中央处理单元、用于存储数据和指令的存储器以及输入和输出设备。 尽管冯·诺依曼的模型无处不在，但它并不是构建计算机的唯一方法，对于某些应用来说，它也不是最理想的。

一种新兴的替代方案被称为神经形态计算。 顾名思义，神经形态计算机的灵感来自于人脑的架构，利用高度连接的人工神经元和人工突触来模拟大脑的结构和功能。 对于像中国的赵乐这样的研究人员来说 齐鲁工业大学，这种神经形态模型为开发新的计算范式提供了绝佳的机会——只要我们能够开发出具有正确属性的人工神经元和突触。

在最近发表于 材料期货赵和同事描述了如何使用忆阻器——本质上是一种开关，即使在电源关闭后也能“记住”它所处的电状态——来模拟大脑中突触的功能。 在这里，他解释了团队的目标和计划。

您研究的动机是什么？

我们正在尝试开发神经形态系统，在降低能耗和提高智能方面能够超越当前的冯诺依曼计算架构。 许多这些系统需要具有多种动态的电子设备来实现所需的功能。 这些不同的要求，例如易失性和非易失性开关动态的共存，在单个忆阻器件中很难实现。

因此，目标应用的实现通常依赖于由具有各种动态特性的忆阻器组成的定制神经电路设计。 问题在于，这种对多种定制设计的依赖限制了紧凑型和低功耗神经形态系统的开发。 因此，将多种固有动力学集成到单个设备中并开发多功能神经形态设备非常重要，例如仅使用单个设备即可完全模拟生物突触功能的多功能突触模拟器。

这样做的好处是，设备的通用性可以增加系统的计算复杂性，而无需增加材料和面积预算。 这样，我们就可以在生物神经系统中实现高效计算。 因此，开发具有更复杂动态特性的设备是实现类脑计算系统的关键方法。

你在报纸上做了什么？

我们在简单的SrTiO的基础上成功开发了一种具有多种突触功能和高度自适应特性的人工突触₃/Nb：钛酸锶₃ 异质结。 这种人工突触支持突触学习的许多功能，包括短期/长期可塑性 (STP/LTP)、从 STP 到 LTP 的过渡、学习-遗忘-再学习行为、联想学习和动态过滤。 我们以逼真的方式在单个设备中实现了所有这些功能。

量子忆阻器为神经形态量子计算铺平了道路

我们的多功能突触模拟器虽然基于简单的异质结构，但仍具有先进的计算能力。 因此，我们相信它在紧凑、低功耗神经形态计算系统中的应用显示出巨大的潜力。 我们的结果表明，我们的人工突触将多种突触功能与简单的结构结合在一起，是多功能神经形态计算设备的潜在候选者。

接下来你打算做什么？

我们将致力于开发更通用的人工突触设备。 例如，我们正在开发多模态突触装置，可以通过协同视觉、嗅觉和听觉等多种感知来模拟人脑的学习和记忆过程。

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 汽车/电动汽车， 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• 图表Prime。 使用 ChartPrime 提升您的交易游戏。 访问这里。
• 块偏移量。 现代化环境抵消所有权。 访问这里。
• Sumber: https://physicsworld.com/a/memristors-make-versatile-artificial-synapses-for-neuromorphic-computing/